redmoon 0.2.0

Analyze the relationship between menstrual cycle phases and sleep quality using Apple Health data

redmoon

Herramienta de analisis que cruza datos del ciclo menstrual con metricas de sueno, HRV y frecuencia cardiaca a partir de tu exportacion de Apple Health.

Una sola linea y obtienes un informe con tests estadisticos, correlaciones y deteccion de patrones hormonales en tu sueno.

pip install redmoon
redmoon analyze exportacion.xml

---

Que encuentra redmoon

Resultados reales con ~6 anos de datos de Apple Health (76 ciclos, 1,153 noches):

Metrica	Cambia con el ciclo?	Detalle
Temperatura de muneca	Si (p < 0.000001)	+0.375 C en fase lutea vs folicular
HRV	Si (p < 0.000001)	-3ms en fase lutea
Frecuencia cardiaca en reposo	Si (p < 0.000001)	+2bpm en fase lutea
Despertares premenstruales	Si (p = 0.034)	+1.1 despertares/noche los ultimos 5 dias
Duracion del sueno	No (p = 0.28)	Sin diferencia entre fases
% REM / % Deep	No (p > 0.7)	Sin diferencia entre fases
Eficiencia del sueno	No (p = 0.21)	Sin diferencia entre fases

Conclusion: las hormonas cambian tu fisiologia nocturna de forma muy clara (temperatura, HRV, frecuencia cardiaca), pero el sueno en si solo se ve afectado justo antes del periodo, con mas despertares.

---

Como usar redmoon con tus datos

1. Exportar datos de Apple Health

En tu iPhone: Salud → foto de perfil → Exportar datos de salud → te genera un zip con exportacion.xml.

2. Instalar

pip install redmoon

Con extras opcionales:

pip install redmoon[all]    # incluye visualizaciones, ML y dashboard
pip install redmoon[viz]    # solo matplotlib + seaborn
pip install redmoon[ml]     # solo scikit-learn

3. Ejecutar analisis

Desde terminal:

# Analisis completo con report en consola
redmoon analyze exportacion.xml

# Guardar report a archivo + CSVs intermedios
redmoon analyze exportacion.xml --output report.txt --csv-dir data/

Como libreria Python:

from redmoon import parse_export, CycleSleepAnalyzer

data = parse_export("exportacion.xml")
analyzer = CycleSleepAnalyzer(data)
report = analyzer.run()

# Report completo en texto
print(report.summary())

# Medias por fase como DataFrame
report.phase_means()

# Tests estadisticos
report.statistical_tests()

# Efecto premenstrual
report.premenstrual_effect()

4. Dashboard interactivo (opcional)

pip install redmoon[all]
streamlit run dashboard.py

5 vistas: resumen, sueno por fase, biomarcadores, efecto premenstrual, tendencia temporal.

5. Notebook de analisis (opcional)

jupyter notebook notebooks/analysis.ipynb

16 secciones con visualizaciones completas, tests estadisticos, prediccion ML, y correlaciones.

---

Que datos necesitas

redmoon extrae automaticamente del XML de Apple Health:

Dato	Fuente	Registros tipicos
Fases de sueno (Core, REM, Deep, Awake)	Apple Watch	Miles
Flujo menstrual	App Salud / tracker	Cientos
Temperatura de muneca nocturna	Apple Watch Ultra / Series 8+	Cientos
HRV (SDNN)	Apple Watch	Miles
Frecuencia cardiaca en reposo	Apple Watch	Miles
Perturbaciones respiratorias	Apple Watch	Cientos

No necesitas todos. El minimo es sueno + periodo. Los biomarcadores (temperatura, HRV, HR) enriquecen el analisis pero son opcionales.

---

Metodologia

Agregacion nocturna

Cada noche se asigna a la fecha en que empieza el sueno. Si te duermes a las 2:00, esa noche cuenta como el dia anterior. Se filtran noches con <2h de sueno o >16h en cama.

Deteccion de ciclos

Los dias de sangrado consecutivos se agrupan en periodos. Un nuevo periodo empieza cuando hay >5 dias sin sangrado. Ciclos de <21 o >45 dias se excluyen.

Asignacion de fases

Cada ciclo se divide en 4 fases proporcionalmente a su duracion real:

Fase	Dias tipicos	Que pasa hormonalmente
Menstrual	1-5	Estrogeno y progesterona en minimo. Sangrado. Fatiga.
Folicular	6-13	Estrogeno sube. Mas energia y claridad mental.
Ovulatoria	14-16	Pico de estrogeno y LH. Liberacion del ovulo. Temperatura empieza a subir.
Lutea	17-28+	Progesterona alta. Temperatura +0.3-0.5 C. Al final, caida hormonal → PMS.

La fase lutea se subdivide en lutea temprana y premenstrual (ultimos 5 dias) para aislar el efecto PMS.

Tests estadisticos

• Kruskal-Wallis: test no parametrico para comparar las 4 fases
• Mann-Whitney U con correccion de Bonferroni: comparaciones post-hoc por pares
• Spearman: correlaciones entre metricas
• Random Forest: prediccion de fase lutea vs no-lutea (F1 = 0.79 con temperatura + HRV + HR)

Limpieza de outliers

• Eficiencia > 100%: Apple Health puede registrar InBed desde el iPhone y las fases desde el Watch, causando inconsistencias. Se usa max(InBed, sleep+awake) como denominador y se capea al 100%.
• Ciclos anormales: <21 o >45 dias se excluyen.
• Noches pre-2020: solo tienen InBed sin desglose en fases (el Watch no lo soportaba).

---

Estructura del proyecto

redmoon/
├── redmoon/               # Paquete Python (PyPI)
│   ├── __init__.py        #   Exports: parse_export, CycleSleepAnalyzer
│   ├── parser.py          #   XML → DataFrames
│   ├── analyzer.py        #   Analisis + report
│   ├── constants.py       #   Constantes, umbrales y logica de fases
│   └── cli.py             #   CLI: redmoon analyze
├── tests/                 # Tests (pytest, 37 tests)
│   ├── test_parser.py     #   Parser: tipos, columnas, validacion
│   ├── test_analyzer.py   #   Analyzer: pipeline, report, edge cases
│   └── test_constants.py  #   Asignacion de fases y constantes
├── sample_data/           # Datos sinteticos para probar sin Apple Health
├── notebooks/
│   └── analysis.ipynb     # Analisis completo con graficas
├── dashboard.py           # Dashboard Streamlit
├── .github/workflows/     # CI: tests en Python 3.9-3.12
├── data/                  # (gitignored) tus datos privados
├── pyproject.toml
└── LICENSE                # MIT

Desarrollo local

git clone https://github.com/aroaxinping/redmoon.git
cd redmoon
pip install -e ".[all]"
pip install pytest

# Tests
pytest tests/ -v

# Probar con datos de ejemplo (sin necesitar Apple Health)
python -c "
import pandas as pd
from redmoon import CycleSleepAnalyzer
data = {k: pd.read_csv(f'sample_data/{k}.csv', parse_dates=['start','end'] if k=='sleep' else None)
        for k in ['sleep','menstrual','wrist_temp','hrv','resting_hr','breathing']}
print(CycleSleepAnalyzer(data).run().summary())
"

Privacidad

Los datos de salud estan en .gitignore. El repo solo contiene codigo y datos sinteticos de ejemplo. Ningun dato personal se sube.

Licencia

MIT